8 月 20 日，OpenRouter 上出现了一个匿名模型 stealth/ox-alpha：104.8 万 token 上下文、131,072 token 输出上限、支持文本/图像/视频输入，一周内免费。随后几天它被传成“在编程评测中超过 GPT-5.6 与 Claude”。这个说法来自独立开发者 Ben Davis 跑的一个 10 题子集，他本人都在原帖里写了“方差可能很大”。因此，这次测试还不足以证明 ox-alpha 整体领先于其他模型。它的发布方式也值得关注：半年内，匿名上架已出现第 5 次，前 4 次最终全部由中国实验室认领。
10 道题通过 8 道，对照分数却来自不同测试
Ben Davis 在 8 月 21 日把 ox-alpha 跑了一遍 DeepSWE 的 10 个任务，过了 8 个，得 80% Pass@1。他原帖直接写出对比与困惑：gpt-5.6-sol 52%、fable 65%、“whatever the hell this is” 80%，“was a near miss on the ‘x’s so actually over 80%…… I am very confused”。这是社区测试，不是榜单成绩。
这些数字的测试条件并不一致。样本只有 10 题，Davis 自己标注是子集、方差可能很大。对照分数也不是同一口径：10 道题单次测试的通过率应以 10 个百分点递增，65%（Fable 5）和 62%（GLM-5.3、Grok 4.6）不能按这组题的单次通过数来理解。ox-alpha 也没有进入 Artificial Analysis，公开 DeepSWE 榜单查无此模型，OpenRouter 页面连 benchmark 区块都没有。在另一位创作者的 Kingbench 上，它得 87.5%、排第二——在 GLM-5.3 之后。
更直接的对照来自智谱官方。8 月 14 日 GLM-5.3 发布博客的全量 DeepSWE v1.1 表里，GPT-5.6 Sol 是 72.7、Claude Fable 5 是 69.7、GLM-5.3 是 66.9。这份完整基准中的闭源模型成绩，也与社区帖子采用的对照数字不同。它同样属于厂商自测，不能据此给 ox-alpha 排名；两组数据更说明，在样本和口径不一致时，不能直接比较高低。
多项技术特征与 GLM 相近，身份仍未确认
有开发者根据技术特征，推测 ox-alpha 可能来自智谱 GLM 系列。Davis 归纳了四条：视频编码器——在四组受控视频上，ox-alpha 的 token 消耗与 GLM-5V-Turbo 完全一致（帧率无关采样、约 147 token/秒的时长缩放、逐帧分辨率缩放），而 MiMo v2.5、Qwen 3.8 Max、GLM-4.6V 明显不同；tokenizer——25 个提示词下 token 数与 GLM-5.3 完全一致，只差一个固定的 +75 隐藏包装；音频拒绝行为与 GLM-5V 一致（而另一候选 MiMo 支持音频）；输出风格约每千字 1.3 个 emoji，接近 GLM/Qwen。Davis 把信心标为“99%”，但这是他对自己推断的估计，不是任何一方确认。
公开 API 元数据也提供了一条线索：有人对比 OpenRouter 公开 API 元数据，发现 ox-alpha 与 GLM-5.3 支持的参数几乎一致——同样的 10 个支持参数、同样默认值（temperature=1、top_p=0.95）、同样的上下文与输出上限、同样“推理强制开启、默认 max”，且两者都缺 structured_outputs，而 GLM-5.2 不是这样。
其他分析者得出了不同结论。有分析者拿出相反的 tokenizer 结论，认为 ox-alpha 用的是 CL100K base；这名分析者据此排除了 OpenAI、Google、Anthropic、xAI 和各中国头部实验室，把线索推向微软 Phi/MAI 一系（IBM Granite 作为遥远的备选）；社区也有“未发布 Gemini”的猜测。The Next Web 引述分析人士 Andrew Curran 的话：到周末，人们“比前一晚更不确定任何事”。模型在对话中的自我介绍也不能用于确认身份，因为它可能复述训练数据中的标签。
ox-alpha 支持图像和视频，与已发布的 GLM-5.3 不同
输入模态是两者的一个明显区别。8 月 14 日发布的 GLM-5.3 是纯文本模型，与 GLM-5.2 共用同一 744B base，提升全部来自 post-training，且权重要等安全审查结束、约两周后才放出。ox-alpha 却接受图像和视频输入。因此，即便它来自智谱，也仍需解释与已发布 GLM-5.3 的模态差异。社区猜测它可能是未发布的多模态版本，但“GLM-5.3V”或“GLM-5.5”都不是官方确认的名称。这与智谱此前的节奏吻合：GLM-5 当年就是先以匿名 Pony Alpha 上架、约五天后被认领。
匿名免费测试，已被多家中国实验室用于发布前预热
ox-alpha 是近六个月里第 5 个匿名上架的模型，前四个无一例外都由中国实验室认领：Pony Alpha（2 月，智谱 GLM-5）、Hunter Alpha（3 月，小米 MiMo-V2-Pro）、Elephant Alpha（4 月，蚂蚁 Lingxi Ling-2.6-flash）、Owl Alpha（4 月末，美团 LongCat-2.0，首个在国产芯片上训练的万亿参数模型）。更早还有 OpenAI 的 Quasar/Optimus Alpha（后为 GPT-4.1）与 xAI 的 Sonoma/Dusk Alpha（后为 Grok 4 Fast）。
这种发布方式可能同时满足测试和推广需求：暂时隐去品牌，让开发者先关注模型表现；免费流量带来真实工作负载的压测（OpenCode 称供应方有每天 100 万亿 token 的容量）；对模型身份的猜测，也为正式发布积累关注。ox-alpha 上线第一天就有 Nous Research 的 Hermes Agent 和 Zed 编辑器接入，Stripe CEO Patrick Collison 试后评价“非常 impressive”。
提示词会被匿名供应方保留，也没有稳定服务承诺
OpenRouter 的列表写得很清楚：prompts 和 completions 会被那个不愿具名的 provider 保留，只是“不用于训练”。供应方身份不明时，用户难以核查数据保留期限、适用管辖地、数据处理协议和安全措施。对欧洲企业而言，这还涉及合规问题：GDPR 要求具名处理者，而欧盟 AI Act 的透明度义务已在 8 月 2 日生效，罚则可到 1500 万欧元或全球营收 3%，供应方身份不明会妨碍企业完成相应审查。此外，ox-alpha 没有 SLA、没有下线预告，随时可能消失——此前的匿名模型就曾在被认领时消失。
开发者可以利用免费期评估模型，但应保留替代模型，避免服务突然下线影响工作。供应方身份与数据条款尚不清楚时，不宜用私有代码或客户数据测试。接下来需要确认：免费窗口结束时，是否有实验室站出来认领，以及认领后它落在哪个价格档位。
